用于回归问题的模型评价:MSE、RMSE、MAE、R-Squared

日萌社

人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新)


 

用于回归问题的模型评价:MSE、RMSE、MAE、R-Squared_第1张图片

用于回归问题的模型评价:MSE、RMSE、MAE、R-Squared_第2张图片

用于回归问题的模型评价:MSE、RMSE、MAE、R-Squared_第3张图片

用于回归问题的模型评价:MSE、RMSE、MAE、R-Squared_第4张图片

代码部分
MSE
	y_preditc=reg.predict(x_test) #reg是训练好的模型
	mse_test=np.sum((y_preditc-y_test)**2)/len(y_test) #跟数学公式一样的

RMSE
	rmse_test=mse_test ** 0.5

MAE
	mae_test=np.sum(np.absolute(y_preditc-y_test))/len(y_test)

R-Squared
	1- mean_squared_error(y_test,y_preditc)/ np.var(y_test)

scikit-learn中的各种衡量指标
	from sklearn.metrics import mean_squared_error #均方误差
	from sklearn.metrics import mean_absolute_error #平方绝对误差
	from sklearn.metrics import r2_score#R square
	#调用
	mean_squared_error(y_test,y_predict)
	mean_absolute_error(y_test,y_predict)
	r2_score(y_test,y_predict)

 

 

 

 

 

 

 

 

 

 

 

 

 

你可能感兴趣的:(人工智能)